[发明专利]神经网络预测方法、装置、电子设备和自动驾驶系统

权利要求书

1.一种神经网络预测方法，其特征在于，包括：

根据神经网络的第一输入张量和第二输入张量，确定对应的第一初始输入量化参数和第二初始输入量化参数；所述第一输入张量包括泊车位的大小及位置，所述第二输入张量包括泊车车身的航向角；

量化处理所述第一初始输入量化参数和所述第二初始输入量化参数，分别得到第一目标输入量化参数和第二目标输入量化参数；所述第一目标输入量化参数的精度低于所述第一初始输入量化参数的精度，所述第二目标输入量化参数的精度低于所述第二初始输入量化参数的精度；

确定所述神经网络的输出张量对应的初始输出量化参数；所述输出张量为方向盘的转角；

融合所述量化处理的量化尺度以及所述初始输出量化参数，确定所述目标输出量化参数，具体包括：new_scale_o＝scale_o*scale1/new_scale1，或者，new_scale_o＝scale_o*scale2/new_scale2，其中，new_scale_o表示所述目标输出量化参数，scale_o表示初始输出量化参数，scale1表示第一初始输入量化参数，new_scale1表示第一目标输入量化参数，scale2表示第二初始输入量化参数，new_scale2表示第二目标输入量化参数；所述量化处理的量化尺度包括所述第一目标输入量化参数与所述第一初始输入量化参数的变化倍数或所述第二目标输入量化参数与所述第二初始输入量化参数的变化倍数；所述目标输出量化参数保持所述初始输出量化参数的精度；

根据所述第一输入张量、所述第一目标输入量化参数、所述第二输入张量、所述第二目标输入量化参数和所述目标输出量化参数，预测所述输出张量的量化值。

2.根据权利要求1所述的方法，其特征在于，量化处理所述第一初始输入量化参数和所述第二初始输入量化参数，分别得到第一目标输入量化参数和第二目标输入量化参数，包括：

量化处理所述第一初始输入量化参数和所述第二初始输入量化参数，并使所述第一初始输入量化参数、所述第一目标输入量化参数、所述第二初始输入量化参数和所述第二目标输入量化参数，满足以下关系：

new_scale1/new_scale2﹣scale1/scale2＝min(x/y-scale1/scale2)

其中，x＝1,2,3,…,2ⁿ-1，y＝1,2,3,...,2ⁿ-1，n表示预设的量化比特数，new_scale1表示所述第一目标输入量化参数，scale1表示所述第一初始输入量化参数，new_scale2表示所述第二目标输入量化参数，scale2表示所述第二初始输入量化参数。